Tags ang napili modelo nauunawaan — i-click upang ihulog ang isa sa iyong teksto kung saan ito ay nangyayari:
Ang modelong ito ay nagbabasa ng karaniwang teksto, kaya inline tags ay hindi pinapansin. Para sa tag-based na damdamin, lumipat sa isang makahulugang modelo tulad ng Orpheus o Bark.
Natural-language delivery cues. Pinarangalan ng Qwen3-TTS ngayon; iba pang mga masining na modelo darating sa lalong madaling panahon.
Ang modelong ito ay hindi sumusuporta sa mga tagubilin ng estilo — lumipat sa isang modelo na ginagawa (halimbawa Qwen3-TTS).
Tukuyin ang mga pasadyang mga panlapi (word = panlapi):
-12
+12
Controls katangian ng pagpapakita (0 = neutral, 1 = napaka-katangian ng pagpapakita)
Classifier-free gabay timbang (mas mataas = mas prompt-sunod)
Ipaliwanag ang estilo ng boses sa natural na wika (Parler gumagamit ito sa halip ng preset na boses)
Dia Dialog Format: Ang mga salitang ito ay maaaring isulat sa mga titik na [S1] at [S2]. Halimbawa: [S1] Hello there! [S2] Hi, how are you?
Ito ay isang premium na modelo ng boses, magagamit sa anumang bayad na plano. Maaari pa ring mag-preview ng mga boses nito nang libre sa play button sa tabi ng boses picker.
IndexTTS-2, from the Index Team, is an expressive text-to-speech system that pairs zero-shot voice synthesis with precise emotional control. Rather than relying on emotion-labeled training data, it uses emotion vectors to dial in tones like happy, sad, angry, or fearful independently of the voice itself. Built on a Qwen2 backbone with BigVGAN as the vocoder, it supports English and Chinese and can clone a voice from roughly five seconds of reference audio. It suits audiobooks, virtual assistants, and any content where the same voice needs to shift emotional register. Its weights use the Bilibili Model License, which permits commercial use below large usage and revenue thresholds.
Pinakamahusay para sa: Emotionally expressive content, audiobooks, virtual assistants
It uses emotion vectors that let you specify tones such as happy, sad, angry, or fearful without needing emotion-specific training data, and the emotional expression is controlled independently from the voice identity.
Yes. It performs zero-shot voice cloning from a short reference, typically around five seconds of audio, in English or Chinese.
Its weights are released under the Bilibili Model License, which allows commercial use for products below defined user and revenue thresholds. Larger deployments should review the license terms. On TTS.ai, audio you make with it is for personal use on the free tier and can be used commercially on any paid plan.
Ipasok ang iyong email upang makakuha ng 15,000 libreng mga character at panatilihin ang pagbuo ng pagsasalita.
Walang kailangang password — ipapa-email sa iyo ang isang link upang magtakda ng isa mamaya.
Libreng Limita sa Antas Naabot
Ginamit mo na ang iyong 5,000 libreng araw-araw na mga character. Lumikha ng isang libreng account upang makakuha ng 15,000 bonus na mga character pati na rin ang 10,000 libreng mga character bawat buwan.
Naabot mo na ang iyong libreng limitasyon ng modelo. Mag-upgrade para sa higit pang mga character, o bumili ng isang character pack upang gamitin ang mga premium na modelo.
